A8ZENSTANDARDS & KNOWLEDGEเว็บไซต์หลัก ↗TOOLS & AUTOMATION
เลือกเครื่องมือจากงานที่ต้องทำจริง ตรวจแหล่งที่มาและสัญญาอนุญาตก่อนติดตั้ง
NIST, USA
รูปแบบข้อมูล catalog, profile, implementation และผลการประเมินที่โปรแกรมแลกเปลี่ยนกันได้
แนวทางใช้: ใช้เป็นรูปแบบส่งออกของหัวข้อควบคุมที่เราสรุป
สิทธิ์: CC0 / US government public domain; retain NIST attribution
OSCAL ไม่ใช่ใบรับรอง และการผ่าน schema ไม่ได้พิสูจน์ความสอดคล้องตามกฎหมาย
แหล่งต้นฉบับ ↗OSCAL Compass
สร้าง ตรวจ และจัดรุ่นเอกสาร compliance ตาม OSCAL รวมถึงสร้างเอกสารจากข้อมูลเดียวกัน
แนวทางใช้: ติดตั้งแบบแยก environment สำหรับ Wiki นี้และทดสอบกับ catalog จริง
สิทธิ์: Apache-2.0
ทดสอบการจัดการข้อมูลและเอกสาร ไม่ได้ติดตั้งแพลตฟอร์มตรวจรับรององค์กร
แหล่งต้นฉบับ ↗intuitem
จัดการความเสี่ยง หลักฐาน การประเมิน และ mapping หลายกรอบมาตรฐานผ่านหน้าจอ GRC
แนวทางใช้: เก็บเป็นตัวเลือกเมื่อจำเป็นต้องมีงานตรวจประเมินหลายคน
สิทธิ์: AGPL-3.0 Community; commercial editions have separate terms
ต้องประเมินส่วนที่ซ้ำกับ Registry/Odoo เดิม และภาระดูแล Django, frontend, database ก่อนติดตั้ง
แหล่งต้นฉบับ ↗Docling project / originated at IBM Research
แปลง PDF และเอกสารเป็นข้อมูลที่มีโครงสร้างเพื่ออ่านตารางและสร้างแหล่งอ้างอิง
แนวทางใช้: ใช้เส้นทาง on-demand ที่ Knowledge Stack เดิมกำหนด เมื่อมีเอกสารที่ได้รับสิทธิ์แล้ว
สิทธิ์: MIT code; models/assets have their own licenses
PDF scan ภาษาไทย/จีนต้องตรวจคุณภาพ OCR; ไม่ดาวน์โหลดโมเดลเพิ่มในรอบนี้
แหล่งต้นฉบับ ↗docling-project
โมเดล layout และตารางที่ใช้ร่วมกับ Docling
แนวทางใช้: พิจารณาเฉพาะเมื่อการอ่าน PDF จำเป็นและมีผล pilot ดีกว่าเครื่องมือเดิม
สิทธิ์: CDLA-Permissive-2.0 / Apache-2.0; verify individual model card
การมี repository บน Hugging Face ไม่ได้ให้สิทธิ์ใช้ทุกไฟล์เหมือนกัน และไม่ใช่แหล่งกฎหมาย
แหล่งต้นฉบับ ↗ดึงข้อมูลแบบมีโครงสร้างจากข้อความพร้อมตำแหน่งอ้างอิงต้นฉบับ
แนวทางใช้: ตัวเลือกสำหรับช่วยร่างข้อกำหนดเมื่อมีข้อความกฎหมาย/มาตรฐานที่ได้รับสิทธิ์
สิทธิ์: Apache-2.0
ต้องมี provider/model ที่อนุมัติ ค่าใช้จ่ายและข้อมูลส่วนบุคคลต้องคัดกรอง; ผล AI ต้องมีคนตรวจ
แหล่งต้นฉบับ ↗Stanford NLP
สร้างและประเมินกระบวนการ LLM อย่างเป็นระบบด้วยตัวอย่างและตัวชี้วัด
แนวทางใช้: พิจารณาหลังมีชุดเฉลยข้อกำหนดที่ผู้เชี่ยวชาญตรวจแล้ว
สิทธิ์: MIT
เป็นเครื่องมือพัฒนา AI ไม่ใช่ฐานกฎหมาย และต้องมีโมเดล/ค่า inference แยก
แหล่งต้นฉบับ ↗CNCF / OPA maintainers
ตรวจ policy ที่เขียนเป็นกฎ เช่น สิทธิ์เข้าถึง เงื่อนไขอนุมัติ และข้อห้ามก่อน release
แนวทางใช้: พิจารณาเมื่อมี control ที่ตรวจด้วยข้อมูลได้จริงและต้องเรียกหลายระบบ
สิทธิ์: Apache-2.0
กฎทางกฎหมายต้องผ่านผู้เชี่ยวชาญก่อนแปลงเป็น code; ไม่แทนการใช้ดุลพินิจ
แหล่งต้นฉบับ ↗Massachusetts Institute of Technology
เรียนหลักวิศวกรรม ความเสี่ยง และระบบ เพื่อทำความเข้าใจการนำมาตรฐานมาใช้
แนวทางใช้: ใช้เป็นแหล่งเรียนรู้ประกอบการทำความเข้าใจมาตรฐาน
สิทธิ์: CC BY-NC-SA 4.0 with course-specific exceptions
MIT คือมหาวิทยาลัย; MIT License คือสัญญาอนุญาตซอฟต์แวร์คนละเรื่อง ห้ามเหมารวม OCW ว่าใช้ขายหรือฝึก AI เชิงพาณิชย์ได้
แหล่งต้นฉบับ ↗ecosystem